CN116953707A - 一种潮位监测雷达装置及监测方法和系统 - Google Patents
一种潮位监测雷达装置及监测方法和系统 Download PDFInfo
- Publication number
- CN116953707A CN116953707A CN202310941218.6A CN202310941218A CN116953707A CN 116953707 A CN116953707 A CN 116953707A CN 202310941218 A CN202310941218 A CN 202310941218A CN 116953707 A CN116953707 A CN 116953707A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- tide level
- radar
- wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000001914 filtration Methods 0.000 claims abstract description 42
- 239000003381 stabilizer Substances 0.000 claims abstract description 25
- 230000000694 effects Effects 0.000 claims abstract description 10
- 230000000737 periodic effect Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 26
- 230000003993 interaction Effects 0.000 claims description 20
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 230000000670 limiting effect Effects 0.000 claims description 16
- 230000007704 transition Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 208000034699 Vitreous floaters Diseases 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000002592 echocardiography Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000003653 coastal water Substances 0.000 claims description 2
- 239000012780 transparent material Substances 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 abstract description 10
- 230000003287 optical effect Effects 0.000 abstract description 5
- 230000001932 seasonal effect Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- 239000000463 material Substances 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Thermal Sciences (AREA)
- Fluid Mechanics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种潮位监测雷达装置及监测方法和系统，本发明属于海面潮位监测技术领域，用以解决现有潮位监测系统未充分考虑风速、风向对海浪的影响，在海浪起伏情况下潮位数据失真严重的问题，同时解决了传统超声、光学监测装置无法应对海雾、降雨对潮位的监测影响，以及浮筒式监测装置价格昂贵，且易受季节性天气影响，造成监测效果较差的问题。本发明包括固定撑架、自平衡监测系统、远程显示处理系统三部分，自平衡监测系统包括监测平台、云平台稳定器、电子水平仪、风速风向仪、连接构件，并以窄波束、宽波束雷达构造浪涌潮位的监测数据采集系统，利用预测滤波以减弱海面风浪对潮位监测数据的干扰，利用深度学习机制对日周期、月周期、季周期等数据进行分析，挖掘周期性数据的非一致性，进而分析每日、每月、每季度同一时间内的潮位变化规律，兼顾风力、风向对潮位的影响，大幅提升潮位监测的全天候、全天时及高灵敏度特性。
Description
技术领域
本发明专利属于海面潮位监测技术领域，具体涉及一种潮位监测雷达装置及监测方法和系统。
背景技术
潮位监测是海洋观测的重要部分，潮汐的周期性变化对于许多领域的研究和应用具有重要的影响，例如通过准确地监测潮位变化，提前预警并采取相应的防御措施，减少风暴潮可能造成的损失；帮助优化潮汐发电站的建设和运行，提高能源的利用效率，减少对传统能源的依赖；以及根据潮汐与气候系统之间密切的相互作用关系，用潮位数据去研究海洋与大气之间的相互作用，改进气象模型和预报系统，提高天气预报的准确性等。传统超声、光学监测装置(如专利权号：202021245108.4)无法应对海雾、降雨对潮位监测的影响，同时，浮筒式监测装置(如专利权号：201921328289.4)价格昂贵，且易受季节性天气影响，造成监测效果较差。本发明专利采用宽波束透镜毫米波雷达和窄波束非透镜毫米波雷达结合的方式，提高了探测精度，减弱了风浪对监测的影响且设备简单化，更适合现实情况下复杂多变的海面及陆地环境。
发明内容
鉴于以上问题，本发明提出一种潮位监测雷达装置及监测方法和系统，用以解决现有潮位监测系统未充分考虑风速、风向对海浪的影响，在海浪起伏情况下潮位数据失真严重的问题。同时解决了传统超声、光学监测装置无法应对海雾、降雨对潮位的监测影响，以及浮筒式监测装置价格昂贵，且易受季节性天气影响，造成监测效果较差的问题。
本发明为解决上述技术问题所采用的技术方案为：
一种潮位监测雷达装置，所述潮位监测雷达装置包括固定撑架1、自平衡监测系统2、远程显示系统3三部分；
自平衡监测系统2包括监测平台21、云平台稳定器22、安装在监测平台21上的电子水平仪23、风速风向仪24；监测平台21包括壳体及安装在其上的信号处理控制单元、数据存储模块，无线通信模块211、电源模块213，报警模块214、120GHz透镜毫米波雷达215和81GHz非透镜毫米波雷达216；
监测平台21的壳体垂直向下面为透波材料制成，该面固定有两块监测雷达：分别为120GHz透镜毫米波雷达215和81GHz非透镜毫米波雷达216；
所述固定撑架包括基座和连杆组件11，所述固定撑架的基座安装在待监测潮位对应的海岸水平面，基座与连杆组件的一端转动连接，连杆组件的另一端通过云平台稳定器22与监测平台21的壳体连接；通过固定撑架1可调整自平衡监测系统2探出海岸水平面的位置；
固定撑架用于将自平衡监测系统安装在待监测潮位对应的海岸水平面上；自平衡监测系统用于使固定于监测平台壳体上的雷达始终处于水平位置并通过雷达监测潮位，还用于监测潮位的风速(风速风向仪24)；风速风向仪24将风速风向数据传输给信号处理控制单元，根据当前风速的大小控制120GHz透镜毫米波雷达215或81GHz非透镜毫米波雷达216工作；雷达监测的潮位数据传输给信号处理控制单元，信号处理控制单元对雷达监测的潮位数据进处补偿处理后，通过无线通信模块211传给远程显示系统；数据存储模块用于存储风速数据及对应的潮位数据；电源模块213用于为云平台稳定器22、信号处理控制单元、数据存储模块，无线通信模块211、报警模块214、120GHz透镜毫米波雷达215和81GHz非透镜毫米波雷达216供电；
远程显示系统用于显示自平衡监测系统的监测结量，当超过所设置的潮位阈值(海浪高度阈值)进行报警，信号处理控制单元控制报警模块214发送报警信息并传给远程显示系统的屏显模块31；
电子水平仪23将测量的数据传输给信号处理控制单元，控制云平台稳定器22转动使120GHz透镜毫米波雷达215和81GHz非透镜毫米波雷达216处于水平位置。
进一步地，所述120GHz透镜毫米波雷达的波束宽度为±5°，量程30米，用于海浪、风速低于一定阈值下的测量；所述81GHz非透镜毫米波雷达的量程为10米，波束宽度为±10°，用于海浪、风速高于一定阈值下的测量；
所述信号处理控制单元包括信号处理模块和控制器，所述信号处理模块通过参数设定两部雷达的工作时间、工作周期、测量信息传输周期等，将两部雷达获取的数据进行处理，结合风速、风向等信息，制定两部雷达的优先级及数据处理规则，并传输数据到控制器和无线通信模块；控制器用于接收来自电子水平仪传入的数据，当水平仪数据偏离超过10°后，发送云台稳定器启动信号，启动云台稳定器工作，并控制当前检测雷达的周期性工作，1h内工作3次，每块雷达每次工作1min，工作时间间隔为20min，依此周期循环，获得一天内的周期性数据，以及实验前后两天内雷达在同一时间段所获得的潮位数据；
在监测的过程中，每隔1h进行水平仪角度数据、雷达数据的融合校准，监测数据采用以时间为序列的存储方式，监测平台每6h发送一组数据，在每6小时的数据发送前，先对这6小时内的水平仪角度数据和雷达数据进行合并校准，确保数据的准确性和一致性；
所述校准方式为：当风级小于等于4级，即风速小于等于7.9m/s时，此时θ为水平仪角度数据为与水平方向的偏差角，若10°>θ＞0则利用雷达所测高度g获得cos(θ)·g作为融合潮位数值；若10°<θ，则反馈给控制器模块，进而控制云台稳定器实现平稳校准，待平稳后，利用cos(θ)·g获得融合潮位数值；当风速大于4级、风力大于8.0m/s时，以g*0.8作为潮位数据。
一种潮位监测方法，包括以下步骤：
步骤一、将权利要求1所述的潮位监测雷达装置的自平衡监测系统2通过固撑支架1架设在监测区域岸边，通过固撑支架1灵活调整自平衡监测系统2的位置，使自平衡监测系统2探出正对监测的海面，并使120GHz透镜毫米波雷达(215)和81GHz非透镜毫米波雷达(216)处于水平位置，待风速风向计测得一个周期内的风速和风向的数据参数之后，将风速风向计所收集的数据回传到处理终端，在一个工作周期内收集多组风速和风向的数据参数，并对数据进行分析和处理；
步骤二、将所收集的风速风向数据与历史监测数据进行比较，设置风速阈值限定条件，当风速大于阈值限定条件时，判定为此时海面风浪较大，切换主要监测雷达为非透镜宽波束毫米波雷达；当风速小于阈值限定条件时，判定为此时海面风浪较小，切换主要监测雷达为透镜窄波束毫米波雷达，两块雷达分别在其相对应的环境条件下工作，互不干扰；
所述历史监测数据为一个周期内风速风向计收集的数据参数相较于海面无风浪时所收集数据参数的风速变化量；
所述风速阈值限定条件为通过分析N个周期内历史监测数据中风速变化量和波高变换量的关系，分析推算出海面风浪影响非透镜毫米波雷达工作时所对应的风速风向值，判断此时海面实验条件风浪较大并设定相关风速阈值限制条件；
步骤三、对重点监测海域进行周期性扫描，利用雷达波经海面发射，反射回波被相同天线接受的特点，可获得一组监测数据；基于3σ准则，对一组经波高补偿后的监测数据进行计算处理得到数据标准偏差，去除落在三倍标准偏差区间之外的粗大误差，然后对去除粗大误差之后的监测数据进行滤波处理，以减弱海面风浪对潮位监测数据的干扰；
步骤四、监测平台发送，远程岸边接收端接收处理，绘制曲线，积累历年数据进行比对；历年数据包括GPS定位数据、风速、风浪、时间、潮位。
进一步地，步骤三中所述3σ准则，是假设一组监测数据只含有随机误差的情况下，对一组监测数据进行计算处理得到数据标准偏差σ和均值μ，其中数据分布在(μ-3σ，μ+3σ)中的概率为0.9973，可认为监测数据凡超过这个区间(即超过区间的概率小于0.3％)就不属于正常情况下的随机误差。
进一步地，步骤三中所述波高补偿，为海浪风速高于所设阈值限定条件时，海面情况更为复杂，干扰影响因素增加，探测数据中存在野值，则81GHz毫米波雷达需对浪高和浪底进行补偿，根据历史监测数据对波高和风速关系的分析得出补偿系数为0.8-0.9。
进一步地，步骤三中所述粗大误差一般指不具有补偿性且会对真实数据造成较大影响的误差，粗大误差的产生因素主要有三种：第一种为海面漂浮物长期处于雷达探测范围内，漂浮物随海面波动引起的探测误差；第二种为非自然突发海浪波动干扰，如附近船舶通过或者人为造成的短时海浪异常波动；第三种为电磁设备干扰，如附近存在强电磁设备或者大型车辆通过对雷达波传播造成干扰。
进一步地，步骤三中所述滤波处理为交互多模型(IMM)小波预处理的卡尔曼滤波，复杂的海面波浪涌动相当于难以估计运动状态的机动目标，其运动模型具有不确定性，使用常规的线性滤波算法效果不好，因此需要用多个运动模型匹配海浪的多种不同的运动模式(海浪周期为0.5至25秒，波长为几十厘米到几百米，一般波高为几厘米到20米)，即对小波预处理之后的监测数据进行交互多模型卡尔曼滤波，实际潮位数据的数学表达式为：
H(t)＝h(t)+N(t) (1)
其中，H(t)表示含有海浪干扰的潮位数据，h(t)表示真实的潮位数据，鉴于海浪对潮位在垂直分量上的影响较大，因此N(t)为垂直方向上海浪对潮位数据的干扰，N(t)的数学表达式为：
其中，取值范围n＝1,2L,m，jn表示余弦函数振幅，kn表示正弦函数振幅，ωn表示角频率；
卡尔曼滤波在获取潮位数据和估计潮位信号方面都具有很大的优势，目标的基本运动模型和观测方程为：
Xk+1＝Φk+1Xk+ΓkWk (3)
Zk+1＝Hk+1Xk+1+Vk+1 (4)
其中，Xk为k时刻波浪模型的状态向量，Φk为k时刻的状态转移矩阵，Γk为海浪模型的噪声系数矩阵，Wk为过程噪声，Zk为k时刻波浪模型观测向量，Hk为k时刻的观测矩阵，Vk为观测噪声，过程噪声Wk和观测噪声Vk为互不相关的高斯白噪声，Wk:(0,Qk)，Vk:(0,Rk)，Qk为过程噪声协方差矩阵，Rk为观测噪声协方差矩阵；
卡尔曼滤波算法的步骤分为两步，分别是预测和校正：
(1)预测过程
已知上一时刻的波浪运动状态或者状态初值X0|0，得到k+1时刻状态预测方程：
已知上一时刻的误差协方差阵或者协方差初值P0|0，得到k+1时刻状态预测误差协方差矩阵：
Pk+1|k＝Φk+1|kPk|kΦT k+1|k+ΓkQkΓT k (6)
其中，Pk|k为上一时刻的误差协方差矩阵；
(2)校正过程
当前k+1时刻的卡尔曼增益为：
当前k+1时刻状态估计方程：
当前k+1时刻更新误差协方差矩阵：
Pk+1|k+1＝(I-Kk+1Hk+1)Pk+1|k (9)
IMM方法含有一个模型概率估计器，一个输入交互器，一个状态估计融合器和多个运动状态分别对应的卡尔曼滤波器，用多个运动模型匹配海浪的多种运动模式，不同模型之间的转移概率是基于马尔科夫链计算的，输入交互器通过模型概率和不同模型之间的转移概率来计算各个卡尔曼滤波器的交互作用，假定有海浪有n个运动模型，转移概率矩阵为：
其中，pij为目标从运动模型i转移到运动模型j的转移概率；
IMM方法的步骤分为四步，分别为输入交互、卡尔曼滤波、模型概率更新和输出交互：
(1)输入交互
模型j预测概率为：
为输入混合频率为：
在k+1时刻交互作用后滤波器j的输入为：
模型j的交互协方差估计为：
(2)卡尔曼滤波
对于模型j，进行卡尔曼滤波，其中Zk+1为在k+1时刻的输入，最后经过滤波得到k+1时刻状态估计方程/>和更新误差协方差矩阵/>
(3)模型概率更新
模型j的似然函数为：
其中，
更新模型j的概率：
(4)输出交互
总的状态估计方程为：
总的更新误差协方差矩阵为：
进一步地，所述小波变换预处理为小波阈值去噪法，使预处理监测数据满足卡尔曼滤波的初始要求，以提升后续卡尔曼滤波系统的滤波性能，小波阈值去噪的步骤为：
(1)接收未被处理的原始监测数据，选择小波基和小波分解层数N对实际潮位数据H(t)进行N层小波分解，获得小波系数；
(2)选取合适的阈值对N层小波系数进行处理，以获得小波估计系数，达到抑制海浪干扰噪声的目的；
(3)通过小波逆变换对去噪后的小波系数进行信号重构，得到去噪之后的信号；
分解层数越大，信噪之间的差异性越明显，越利于信噪分解，但同时重构信号也会越失真，影响去噪的效果；小波分解的频段范围与采样频率存在关联，分解层数为N时，频段范围为：
0.5FS/2N＝fmax/2N (21)
其中，FS为采样频率，fmax为最大信号频率。
进一步地，含有噪声的小波系数需要用相应的阈值函数来过滤噪声，阈值函数的选择分为软阈值函数和硬阈值函数；
其中软阈值函数当小波系数wλ大于阈值时，小波系数减去阈值；当小于阈值时，小波系数置零，表达式为：
其中硬阈值函数当小波系数wλ大于阈值时，保存其小波系数；当小于阈值时，小波系数置零，表达式为：
其中，为经阈值函数处理之后的小波系数，wλ为原小波系数，λ为所选取阈值。
一种潮位监测系统，该系统具有与上述技术方案的步骤对应的程序模块，运行时执行上述的一种潮位监测方法中的步骤。
本发明的有益技术效果是：
本发明专利采用宽波束透镜毫米波雷达和窄波束非透镜毫米波雷达结合的方式，通过判断风浪是否超过所设风速阈值，来切换相应的毫米波雷达进行潮位监测，并在潮位高度超过风险阈值时进行报警。
本发明的自平衡监测系统包括监测平台、云平台稳定器、电子水平仪、风速风向仪、连接构件，并以窄波束、宽波束雷达构造浪涌潮位的监测数据采集系统，利用预测滤波以减弱海面风浪对潮位监测数据的干扰，利用深度学习机制对日周期、月周期、季周期等数据进行分析，挖掘周期性数据的非一致性，进而分析每日、每月、每季度同一时间内的潮位变化规律，兼顾风力、风向对潮位的影响，大幅提升潮位监测的全天候、全天时及高灵敏度特性。
本发明提的基于双毫米波雷达的潮位监测雷达装置及监测方法解决了当前潮位监测问题，通过自平衡监测系统和远程显示处理系统，结合风速风向仪对海面复杂多变真实潮位进行实时监测，克服了单一雷达面对有浪和无浪处理效果不同的问题，以及传统超声、光学监测装置无法应对海雾、降雨对潮位监测的影响，浮筒式监测装置价格昂贵，且易受季节性天气影响，造成监测效果较差的问题，获得了高精度的潮位参数，借助滤波算法，降低风浪对监测结果的干扰，储存监测数据并采用云储存服务进行备份，实现高效全面地监测和预警。
经验证，本发明有效解决了现有潮位监测系统未充分考虑风速、风向对海浪的影响，在海浪起伏情况下潮位数据失真严重的问题，同时解决了传统超声、光学监测装置无法应对海雾、降雨对潮位的监测影响，以及浮筒式监测装置价格昂贵，且易受季节性天气影响，造成监测效果较差的问题。
附图说明
图1是本发明一种潮位监测雷达装置的结构示意图；
图2是本发明中海浪模型示意图；
图3是本发明中自平衡监测系统工作流程图；
图4是本发明中监测平台进行雷达切换以及滤波处理的工作流程图；
图5是本发明中交互多模型滤波算法流程图。
具体实施方式
根据本发明的一方面，提出一种潮位监测雷达装置，包括固定撑架、自平衡监测系统、远程显示处理系统三部分；
所述固定撑架包括基座和连杆组件，关节处有可转动夹固定，固定撑架的基座安装在待监测潮位对应的海岸水平面；
所述自平衡监测系统包括监测平台、云平台稳定器、电子水平仪、风速风向仪、连接构件；所述监测平台壳体为长方体外壳，壳体垂直向下面为透波材料，该面固定有两块监测雷达，分别为120GHz透镜毫米波雷达和81GHz非透镜毫米波雷达，监测平台还包括信号处理控制模块、数据存储模块、无线通信模块、电源模块、报警模块、线缆接口；
所述120GHz透镜毫米波雷达的波束宽度为±5°，量程30米，用于海浪、风速低于一定阈值下的测量；所述81GHz非透镜毫米波雷达的量程为10米，波束宽度为±10°，用于海浪、风速高于一定阈值下的测量；
所述云台稳定器通过连接构件分别连接固定撑架和监测平台，稳定器转动时带动监测平台转动，使壳体处于水平位置；所述电子水平仪和风速风向计均贴在监测平台外壳上，通过线缆与控制器连接。
所述信号处理控制单元包括信号处理模块和控制器，所述信号处理模块通过参数设定两部雷达的工作时间、工作周期、测量信息传输周期等，将两部雷达获取的数据进行处理，结合风速、风向等信息，制定两部雷达的优先级及数据处理规则，并传输数据到控制器和无线通信模块；控制器用于接收来自电子水平仪传入的数据，当水平仪数据偏离超过10°后，发送云台稳定器启动信号，启动云台稳定器工作，并控制当前检测雷达的周期性工作，1h内工作3次，每块雷达每次工作1min，工作时间间隔为20min，依此周期循环，获得一天内的周期性数据，以及实验前后两天内雷达在同一时间段所获得的潮位数据；
在监测的过程中，每隔1h进行水平仪角度数据、雷达数据的融合校准，监测数据采用以时间为序列的存储方式，监测平台每6h发送一组数据，在每6小时的数据发送前，先对这6小时内的水平仪角度数据和雷达数据进行合并校准，确保数据的准确性和一致性；
所述校准方式为：当风级小于等于4级，即风速小于等于7.9m/s时，此时θ为水平仪角度数据为与水平方向的偏差角，若10°>θ＞0则利用雷达所测高度g获得cos(θ)·g作为融合潮位数值；若10°<θ，则反馈给控制器模块，进而控制云台稳定器实现平稳校准，待平稳后，利用cos(θ)·g获得融合潮位数值；当风速大于4级、风力大于8.0m/s时，以g*0.8作为潮位数据。
所述数据存储模块为10T数据机械硬盘，并采用云储存服务进行备份，将原始数据上传到云端储存，每周进行备份和同步，存储内容为水平仪角度、风速、风向、两部雷达的监测数据。
所述无线通信模块采用有线和无线的方式，雷达和风速风向仪采集的数据参数依次通过线缆传输给信号处理模块，处理完数据后，信号处理模块一方面将风速风向数据传输给控制器，控制两片雷达对于不同环境的切换，另一方面传输雷达数据到无线通讯设备，与远程终端实时通信，将信号处理控制单元获得的波高、以及当前风速、风向、GPS定位信息发送给远程终端；
所述无线通讯设备可实时传输数据到手机及电脑等远程终端，也可通过线缆实时显示数据参数到屏显模块；
所述信号处理模块发送两组数据到控制器和无线通讯设备的具体过程为：在信号处理模块中含有一个串行通信模块(RS232或RS485)，将风速和风向数据以及雷达数据分别打包成两个数据帧，并使用不同的通信地址分别发送到控制器和无线通讯设备；在控制器和无线通讯设备中，也有相应的串行通信模块，用于接收来自信号处理模块的数据帧，并进行解包和处理，接收到的数据可以在控制器中用于判断雷达切换的条件，或者在无线通讯设备中进行实时通信。
所述远程显示处理系统中的屏显模块为LCD液晶屏幕，固定在岸边竖杆，用于接收并实时显示当前时间的潮位数据处理结果，以及显示报警模块所提供的报警信息。
所述电源模块采用外接电源线与蓄电池，在户外探测时采用蓄电池供电，也可外接电源线供电。
所述报警模块用于在当前潮位高度超过风险阈值、预测波高可能会超过所设风险阈值时进行报警或水平角度偏差过大时报警，报警信息会通过线缆或者无线通讯设备实时显示在屏显模块、手机或电脑等远程终端上。
根据本发明另一方面，提出一种潮位监测雷达监测方法，包括以下步骤：
步骤一、将潮位监测雷达装置架设在监测区域岸边，通过固定撑架可探出至少3m，待风速风向计测得一个周期内的风速和风向的数据参数之后，将风速风向计所收集的数据回传到处理终端，在一个工作周期内收集多组风速和风向的数据参数，并对数据进行分析和处理；
步骤二、将所收集的风速风向数据与历史监测数据进行比较，设置风速阈值限定条件，当风速大于阈值限定条件时，判定为此时海面风浪较大，切换主要监测雷达为非透镜宽波束毫米波雷达；当风速小于阈值限定条件时，判定为此时海面风浪较小，切换主要监测雷达为透镜窄波束毫米波雷达(两块雷达分别在其相对应的环境条件下工作，互不干扰)；
步骤三、对重点监测海域进行周期性扫描，利用雷达波经海面发射，反射回波被相同天线接受的特点，可获得一组监测数据；基于3σ准则，对一组经波高补偿后的监测数据进行计算处理得到数据标准偏差，去除落在三倍标准偏差区间之外的粗大误差，然后对去除粗大误差之后的监测数据进行滤波处理，以减弱海面风浪对潮位监测数据的干扰；
步骤四、监测平台发送，远程岸边接收端接收处理，绘制曲线，积累历年数据(GPS定位数据、风速、风浪、时间、潮位)进行比对。
步骤二中所述历史监测数据为一个周期内风速风向计收集的数据参数相较于海面无风浪时所收集数据参数的风速变化量。
步骤二中所述风速阈值限定条件为通过分析N个周期内历史监测数据中风速变化量和波高变换量的关系，分析推算出海面风浪影响非透镜毫米波雷达工作时所对应的风速风向值，判断此时海面实验条件风浪较大并设定相关风速阈值限制条件。
步骤三中所述3σ准则，是假设一组监测数据只含有随机误差的情况下，对一组监测数据进行计算处理得到数据标准偏差σ和均值μ，其中数据分布在(μ-3σ，μ+3σ)中的概率为0.9973，可认为监测数据凡超过这个区间(即超过区间的概率小于0.3％)就不属于正常情况下的随机误差。
步骤三中所述波高补偿，为海浪风速高于所设阈值限定条件时，海面情况更为复杂，干扰影响因素增加，探测数据中存在野值，则81GHz毫米波雷达需对浪高和浪底进行补偿，根据历史监测数据对波高和风速关系的分析得出补偿系数为0.8-0.9。
步骤三中所述粗大误差一般指不具有补偿性且会对真实数据造成较大影响的误差，粗大误差的产生因素主要有三种：第一种为海面漂浮物长期处于雷达探测范围内，漂浮物随海面波动引起的探测误差；第二种为非自然突发海浪波动干扰，如附近船舶通过或者人为造成的短时海浪异常波动；第三种为电磁设备干扰，如附近存在强电磁设备或者大型车辆通过对雷达波传播造成干扰。
步骤三中所述滤波处理为交互多模型(IMM)小波预处理的卡尔曼滤波，复杂的海面波浪涌动相当于难以估计运动状态的机动目标，其运动模型具有不确定性，使用常规的线性滤波算法效果不好，因此需要用多个运动模型匹配海浪的多种不同的运动模式(海浪周期为0.5至25秒，波长为几十厘米到几百米，一般波高为几厘米到20米)，即对小波预处理之后的监测数据进行交互多模型卡尔曼滤波，实际潮位数据的数学表达式为：
H(t)＝h(t)+N(t) (1)
其中，H(t)表示含有海浪干扰的潮位数据，h(t)表示真实的潮位数据，鉴于海浪对潮位在垂直分量上的影响较大，因此N(t)为垂直方向上海浪对潮位数据的干扰，N(t)的数学表达式为：
其中，取值范围n＝1,2L,m，jn表示余弦函数振幅，kn表示正弦函数振幅，ωn表示角频率；
卡尔曼滤波在获取潮位数据和估计潮位信号方面都具有很大的优势，目标的基本运动模型和观测方程为：
Xk+1＝Φk+1Xk+ΓkWk (3)
Zk+1＝Hk+1Xk+1+Vk+1 (4)
其中，Xk为k时刻波浪模型的状态向量，Φk为k时刻的状态转移矩阵，Γk为海浪模型的噪声系数矩阵，Wk为过程噪声，Zk为k时刻波浪模型观测向量，Hk为k时刻的观测矩阵，Vk为观测噪声，过程噪声Wk和观测噪声Vk为互不相关的高斯白噪声，Wk:(0,Qk)，Vk:(0,Rk)，Qk为过程噪声协方差矩阵，Rk为观测噪声协方差矩阵；
卡尔曼滤波算法的步骤分为两步，分别是预测和校正：
(1)预测过程
已知上一时刻的波浪运动状态或者状态初值X0|0，得到k+1时刻状态预测方程：
已知上一时刻的误差协方差阵或者协方差初值P0|0，得到k+1时刻状态预测误差协方差矩阵：
Pk+1|k＝Φk+1|kPk|kΦT k+1|k+ΓkQkΓT k (6)
其中，Pk|k为上一时刻的误差协方差矩阵；
(2)校正过程
当前k+1时刻的卡尔曼增益为：
当前k+1时刻状态估计方程：
当前k+1时刻更新误差协方差矩阵：
Pk+1|k+1＝(I-Kk+1Hk+1)Pk+1|k (9)
IMM方法含有一个模型概率估计器，一个输入交互器，一个状态估计融合器和多个运动状态分别对应的卡尔曼滤波器，用多个运动模型匹配海浪的多种运动模式，不同模型之间的转移概率是基于马尔科夫链计算的，输入交互器通过模型概率和不同模型之间的转移概率来计算各个卡尔曼滤波器的交互作用，假定有海浪有n个运动模型，转移概率矩阵为：
其中，pij为目标从运动模型i转移到运动模型j的转移概率；
IMM方法的步骤分为四步，分别为输入交互、卡尔曼滤波、模型概率更新和输出交互：
(5)输入交互
模型j预测概率为：
为输入混合频率为：
在k+1时刻交互作用后滤波器j的输入为：
模型j的交互协方差估计为：
(6)卡尔曼滤波
对于模型j，进行卡尔曼滤波，其中Zk+1为在k+1时刻的输入，最后经过滤波得到k+1时刻状态估计方程/>和更新误差协方差矩阵/>
(7)模型概率更新
模型j的似然函数为：
其中，
更新模型j的概率：
(8)输出交互
总的状态估计方程为：
总的更新误差协方差矩阵为：
进一步地，所述小波变换预处理为小波阈值去噪法，使预处理监测数据满足卡尔曼滤波的初始要求，以提升后续卡尔曼滤波系统的滤波性能，小波阈值去噪的步骤为：
(4)接收未被处理的原始监测数据，选择小波基和小波分解层数N对实际潮位数据H(t)进行N层小波分解，获得小波系数；
(5)选取合适的阈值对N层小波系数进行处理，以获得小波估计系数，达到抑制海浪干扰噪声的目的；
(6)通过小波逆变换对去噪后的小波系数进行信号重构，得到去噪之后的信号；
进一步地，分解层数越大，信噪之间的差异性越明显，越利于信噪分解，但同时重构信号也会越失真，影响去噪的效果；小波分解的频段范围与采样频率存在关联，分解层数为N时，频段范围为：
0.5FS/2N＝fmax/2N (21)
其中，FS为采样频率，fmax为最大信号频率。
进一步地，含有噪声的小波系数需要用相应的阈值函数来过滤噪声，阈值函数的选择分为软阈值函数和硬阈值函数；
其中软阈值函数当小波系数wλ大于阈值时，小波系数减去阈值；当小于阈值时，小波系数置零，表达式为：
其中硬阈值函数当小波系数wλ大于阈值时，保存其小波系数；当小于阈值时，小波系数置零，表达式为：
其中，为经阈值函数处理之后的小波系数，wλ为原小波系数，λ为所选取阈值。
如图1-5所示，本发明提供出一种潮位监测雷达装置包括固定撑架1、自平衡监测系统2、远程显示处理系统3三部分；固定撑架为连杆组件11，关节处有可转动夹固定；固定撑架下方为基座12，固定在待监测潮位对应的海岸水平面上；
自平衡监测系统2包括监测平台21、云平台稳定器22、电子水平仪23、风速风向仪24、连接构件25；监测平台21壳体为长方体外壳，壳体垂直向下面为透波材料，该面固定有两块监测雷达，分别为120GHz透镜毫米波雷达215和81GHz非透镜毫米波雷达216，监测平台21还包括信号处理控制模块、数据存储模块，无线通信模块211、电源模块213、报警模块214、线缆接口；
云台稳定器22通过连接构件25分别连接固定撑架1和监测平台21，稳定器转动时带动监测平台21转动，使壳体处于水平位置；电子水平仪23和风速风向计24均贴在监测平台21外壳上，通过线缆与控制器连接。
信号处理控制单元包括信号处理模块和控制器，数据存储模块为10T数据机械硬盘，采用云储存服务进行备份。
无线通信模块211采用有线和无线的方式，雷达和风速风向仪24采集的数据参数依次通过线缆传输给信号处理模块，处理完数据后，信号处理模块一方面将风速风向数据传输给控制器，另一方面传输雷达数据到无线通讯设备，使用中无线通讯设备可以是屏显模块或者手机等智能终端。
电源模块213采用外接电源线与蓄电池，在户外探测时采用蓄电池供电，也可外接电源线供电。
报警模块214用于在当前潮位高度超过风险阈值、预测波高可能会超过所设风险阈值时进行报警或水平角度偏差过大时报警，报警信息会通过线缆或者无线通讯设备实时显示在屏显模块、手机或电脑等远程终端上。
屏显模块31为LCD液晶屏幕，固定在岸边竖杆，用于接收并实时显示当前时间的潮位数据处理结果，以及显示报警模块所提供的报警信息。
Claims (10)
1.一种潮位监测雷达装置，其特征在于，所述潮位监测雷达装置包括固定撑架(1)、自平衡监测系统(2)、远程显示系统(3)三部分；
自平衡监测系统(2)包括监测平台(21)、云平台稳定器(22)、安装在监测平台(21)上的电子水平仪(23)、风速风向仪(24)；监测平台(21)包括壳体及安装在其上的信号处理控制单元、数据存储模块，无线通信模块(211)、电源模块(213)，报警模块(214)、120GHz透镜毫米波雷达(215)和81GHz非透镜毫米波雷达(216)；
监测平台(21)的壳体垂直向下面为透波材料制成，该面固定有两块监测雷达：分别为120GHz透镜毫米波雷达(215)和81GHz非透镜毫米波雷达(216)；
所述固定撑架包括基座和连杆组件(11)，所述固定撑架的基座安装在待监测潮位对应的海岸水平面，基座与连杆组件的一端转动连接，连杆组件的另一端通过云平台稳定器(22)与监测平台(21)的壳体连接；通过固定撑架(1)可调整自平衡监测系统(2)探出海岸水平面的位置；
固定撑架用于将自平衡监测系统安装在待监测潮位对应的海岸水平面上；自平衡监测系统用于使固定于监测平台壳体上的雷达始终处于水平位置并通过雷达监测潮位，还用于监测潮位的风速(风速风向仪24)；风速风向仪(24)将风速风向数据传输给信号处理控制单元，根据当前风速的大小控制120GHz透镜毫米波雷达(215)或81GHz非透镜毫米波雷达(216)工作；雷达监测的潮位数据传输给信号处理控制单元，信号处理控制单元对雷达监测的潮位数据进处补偿处理后，通过无线通信模块(211)传给远程显示系统；数据存储模块用于存储风速数据及对应的潮位数据；电源模块(213)用于为云平台稳定器(22)、信号处理控制单元、数据存储模块，无线通信模块(211)、报警模块(214)、120GHz透镜毫米波雷达(215)和81GHz非透镜毫米波雷达(216)供电；
远程显示系统用于显示自平衡监测系统的监测结量，当超过所设置的潮位阈值(海浪高度阈值)进行报警，信号处理控制单元控制报警模块(214)发送报警信息并传给远程显示系统的屏显模块(31)；
电子水平仪(23)将测量的数据传输给信号处理控制单元，控制云平台稳定器(22)转动使120GHz透镜毫米波雷达(215)和81GHz非透镜毫米波雷达(216)处于水平位置。
2.根据权利要求1所述的一种潮位监测雷达装置，其特征在于，所述120GHz透镜毫米波雷达的波束宽度为±5°，量程30米，用于海浪、风速低于一定阈值下的测量；所述81GHz非透镜毫米波雷达的量程为10米，波束宽度为±10°，用于海浪、风速高于一定阈值下的测量；
所述信号处理控制单元包括信号处理模块和控制器，所述信号处理模块通过参数设定两部雷达的工作时间、工作周期、测量信息传输周期等，将两部雷达获取的数据进行处理，结合风速、风向等信息，制定两部雷达的优先级及数据处理规则，并传输数据到控制器和无线通信模块；控制器用于接收来自电子水平仪传入的数据，当水平仪数据偏离超过10°后，发送云台稳定器启动信号，启动云台稳定器工作，并控制当前检测雷达的周期性工作，1h内工作3次，每块雷达每次工作1min，工作时间间隔为20min，依此周期循环，获得一天内的周期性数据，以及实验前后两天内雷达在同一时间段所获得的潮位数据；
在监测的过程中，每隔1h进行水平仪角度数据、雷达数据的融合校准，监测数据采用以时间为序列的存储方式，监测平台每6h发送一组数据，在每6小时的数据发送前，先对这6小时内的水平仪角度数据和雷达数据进行合并校准，确保数据的准确性和一致性；
所述校准方式为：当风级小于等于4级，即风速小于等于7.9m/s时，此时θ为水平仪角度数据为与水平方向的偏差角，若10°>θ＞0则利用雷达所测高度g获得cos(θ)·g作为融合潮位数值；若10°<θ，则反馈给控制器模块，进而控制云台稳定器实现平稳校准，待平稳后，利用cos(θ)·g获得融合潮位数值；当风速大于4级、风力大于8.0m/s时，以g*0.8作为潮位数据。
3.一种潮位监测方法，其特征在于，包括以下步骤：
步骤一、将权利要求1所述的潮位监测雷达装置的自平衡监测系统2通过固撑支架1架设在监测区域岸边，通过固撑支架1灵活调整自平衡监测系统2的位置，使自平衡监测系统2探出正对监测的海面，并使120GHz透镜毫米波雷达(215)和81GHz非透镜毫米波雷达(216)处于水平位置，待风速风向计测得一个周期内的风速和风向的数据参数之后，将风速风向计所收集的数据回传到处理终端，在一个工作周期内收集多组风速和风向的数据参数，并对数据进行分析和处理；
步骤二、将所收集的风速风向数据与历史监测数据进行比较，设置风速阈值限定条件，当风速大于阈值限定条件时，判定为此时海面风浪较大，切换主要监测雷达为非透镜宽波束毫米波雷达；当风速小于阈值限定条件时，判定为此时海面风浪较小，切换主要监测雷达为透镜窄波束毫米波雷达，两块雷达分别在其相对应的环境条件下工作，互不干扰；
所述历史监测数据为一个周期内风速风向计收集的数据参数相较于海面无风浪时所收集数据参数的风速变化量；
所述风速阈值限定条件为通过分析N个周期内历史监测数据中风速变化量和波高变换量的关系，分析推算出海面风浪影响非透镜毫米波雷达工作时所对应的风速风向值，判断此时海面实验条件风浪较大并设定相关风速阈值限制条件；
步骤三、对重点监测海域进行周期性扫描，利用雷达波经海面发射，反射回波被相同天线接受的特点，可获得一组监测数据；基于3σ准则，对一组经波高补偿后的监测数据进行计算处理得到数据标准偏差，去除落在三倍标准偏差区间之外的粗大误差，然后对去除粗大误差之后的监测数据进行滤波处理，以减弱海面风浪对潮位监测数据的干扰；
步骤四、监测平台发送，远程岸边接收端接收处理，绘制曲线，积累历年数据进行比对；历年数据包括GPS定位数据、风速、风浪、时间、潮位。
4.根据权利要求3所述的一种潮位监测方法，其特征在于，步骤三中所述3σ准则，是假设一组监测数据只含有随机误差的情况下，对一组监测数据进行计算处理得到数据标准偏差σ和均值μ，其中数据分布在(μ-3σ，μ+3σ)中的概率为0.9973，可认为监测数据凡超过这个区间(即超过区间的概率小于0.3％)就不属于正常情况下的随机误差。
5.根据权利要求4所述的一种潮位监测方法，其特征在于，步骤三中所述波高补偿，为海浪风速高于所设阈值限定条件时，海面情况更为复杂，干扰影响因素增加，探测数据中存在野值，则81GHz毫米波雷达需对浪高和浪底进行补偿，根据历史监测数据对波高和风速关系的分析得出补偿系数为0.8-0.9。
6.根据权利要求5所述的一种潮位监测方法，其特征在于，步骤三中所述粗大误差一般指不具有补偿性且会对真实数据造成较大影响的误差，粗大误差的产生因素主要有三种：第一种为海面漂浮物长期处于雷达探测范围内，漂浮物随海面波动引起的探测误差；第二种为非自然突发海浪波动干扰，如附近船舶通过或者人为造成的短时海浪异常波动；第三种为电磁设备干扰，如附近存在强电磁设备或者大型车辆通过对雷达波传播造成干扰。
7.根据权利要求3、4、5或6所述的一种潮位监测方法，其特征在于，步骤三中所述滤波处理为交互多模型(IMM)小波预处理的卡尔曼滤波，复杂的海面波浪涌动相当于难以估计运动状态的机动目标，其运动模型具有不确定性，使用常规的线性滤波算法效果不好，因此需要用多个运动模型匹配海浪的多种不同的运动模式(海浪周期为0.5至25秒，波长为几十厘米到几百米，一般波高为几厘米到20米)，即对小波预处理之后的监测数据进行交互多模型卡尔曼滤波，实际潮位数据的数学表达式为：
H(t)＝h(t)+N(t) (1)
其中，H(t)表示含有海浪干扰的潮位数据，h(t)表示真实的潮位数据，鉴于海浪对潮位在垂直分量上的影响较大，因此N(t)为垂直方向上海浪对潮位数据的干扰，N(t)的数学表达式为：
其中，取值范围n＝1,2L,m，jn表示余弦函数振幅，kn表示正弦函数振幅，ωn表示角频率；
卡尔曼滤波在获取潮位数据和估计潮位信号方面都具有很大的优势，目标的基本运动模型和观测方程为：
Xk+1＝Φk+1Xk+ΓkWk (3)
Zk+1＝Hk+1Xk+1+Vk+1 (4)
其中，Xk为k时刻波浪模型的状态向量，Φk为k时刻的状态转移矩阵，Γk为海浪模型的噪声系数矩阵，Wk为过程噪声，Zk为k时刻波浪模型观测向量，Hk为k时刻的观测矩阵，Vk为观测噪声，过程噪声Wk和观测噪声Vk为互不相关的高斯白噪声，Wk:(0,Qk)，Vk:(0,Rk)，Qk为过程噪声协方差矩阵，Rk为观测噪声协方差矩阵；
卡尔曼滤波算法的步骤分为两步，分别是预测和校正：
(1)预测过程
已知上一时刻的波浪运动状态或者状态初值X0|0，得到k+1时刻状态预测方程：
已知上一时刻的误差协方差阵或者协方差初值P0|0，得到k+1时刻状态预测误差协方差矩阵：
其中，Pk|k为上一时刻的误差协方差矩阵；
(2)校正过程
当前k+1时刻的卡尔曼增益为：
当前k+1时刻状态估计方程：
当前k+1时刻更新误差协方差矩阵：
Pk+1|k+1＝(I-Kk+1Hk+1)Pk+1|k (9)
IMM方法含有一个模型概率估计器，一个输入交互器，一个状态估计融合器和多个运动状态分别对应的卡尔曼滤波器，用多个运动模型匹配海浪的多种运动模式，不同模型之间的转移概率是基于马尔科夫链计算的，输入交互器通过模型概率和不同模型之间的转移概率来计算各个卡尔曼滤波器的交互作用，假定有海浪有n个运动模型，转移概率矩阵为：
其中，pij为目标从运动模型i转移到运动模型j的转移概率；
IMM方法的步骤分为四步，分别为输入交互、卡尔曼滤波、模型概率更新和输出交互：
(1)输入交互
模型j预测概率为：
为输入混合频率为：
在k+1时刻交互作用后滤波器j的输入为：
模型j的交互协方差估计为：
(2)卡尔曼滤波
对于模型j，进行卡尔曼滤波，其中Zk+1为在k+1时刻的输入，最后经过滤波得到k+1时刻状态估计方程/>和更新误差协方差矩阵/>
(3)模型概率更新
模型j的似然函数为：
其中，
更新模型j的概率：
(4)输出交互
总的状态估计方程为：
总的更新误差协方差矩阵为：
8.根据权利要求7所述的一种潮位监测方法，其特征在于，所述小波变换预处理为小波阈值去噪法，使预处理监测数据满足卡尔曼滤波的初始要求，以提升后续卡尔曼滤波系统的滤波性能，小波阈值去噪的步骤为：
(1)接收未被处理的原始监测数据，选择小波基和小波分解层数N对实际潮位数据H(t)进行N层小波分解，获得小波系数；
(2)选取合适的阈值对N层小波系数进行处理，以获得小波估计系数，达到抑制海浪干扰噪声的目的；
(3)通过小波逆变换对去噪后的小波系数进行信号重构，得到去噪之后的信号；
分解层数越大，信噪之间的差异性越明显，越利于信噪分解，但同时重构信号也会越失真，影响去噪的效果；小波分解的频段范围与采样频率存在关联，分解层数为N时，频段范围为：
0.5FS/2N＝fmax/2N (21)
其中，FS为采样频率，fmax为最大信号频率。
9.根据权利要求8所述的一种潮位监测方法，其特征在于，含有噪声的小波系数需要用相应的阈值函数来过滤噪声，阈值函数的选择分为软阈值函数和硬阈值函数；
其中软阈值函数当小波系数wλ大于阈值时，小波系数减去阈值；当小于阈值时，小波系数置零，表达式为：
其中硬阈值函数当小波系数wλ大于阈值时，保存其小波系数；当小于阈值时，小波系数置零，表达式为：
其中，为经阈值函数处理之后的小波系数，wλ为原小波系数，λ为所选取阈值。
10.一种潮位监测系统，其特征在于：该系统具有与上述权利要求3-9任一项权利要求的步骤对应的程序模块，运行时执行上述的一种潮位监测方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310941218.6A CN116953707B (zh) | 2023-07-28 | 2023-07-28 | 一种潮位监测雷达装置及监测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310941218.6A CN116953707B (zh) | 2023-07-28 | 2023-07-28 | 一种潮位监测雷达装置及监测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116953707A true CN116953707A (zh) | 2023-10-27 |
| CN116953707B CN116953707B (zh) | 2024-05-03 |
Family
ID=88452611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310941218.6A Active CN116953707B (zh) | 2023-07-28 | 2023-07-28 | 一种潮位监测雷达装置及监测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116953707B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117388853A (zh) * | 2023-12-08 | 2024-01-12 | 山东省科学院海洋仪器仪表研究所 | 一种走航式雷达波浪监测系统及监测方法 |
| CN118129864A (zh) * | 2024-05-07 | 2024-06-04 | 铭沣工业自动化（上海）有限公司 | 一种基于毫米波雷达的液位测量方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003307563A (ja) * | 2002-04-16 | 2003-10-31 | Michio Nobeoka | レーダ波高計測装置、レーダ波高補正係数作成方法、及びレーダ波高補正係数作成装置 |
| CN109001723A (zh) * | 2018-06-29 | 2018-12-14 | 薛志勇 | 雷达流速仪 |
| CN109765529A (zh) * | 2018-12-30 | 2019-05-17 | 成都汇蓉国科微系统技术有限公司 | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 |
| CN114114253A (zh) * | 2021-11-30 | 2022-03-01 | 南京微麦科斯电子科技有限责任公司 | 一种基于人工智能算法的海浪监测阵列雷达 |
| CN217543385U (zh) * | 2022-03-16 | 2022-10-04 | 中国船舶重工集团公司第七0七研究所九江分部 | 一种船用多普勒测速雷达收发组件 |
| CN115407273A (zh) * | 2022-08-29 | 2022-11-29 | 哈尔滨工业大学（威海） | 一种特定安防区域监控提醒报警装置及方法 |
| CN116124181A (zh) * | 2023-04-14 | 2023-05-16 | 国家海洋技术中心 | 一种潮汐观测设备的现场校准方法及系统 |
-
2023
- 2023-07-28 CN CN202310941218.6A patent/CN116953707B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003307563A (ja) * | 2002-04-16 | 2003-10-31 | Michio Nobeoka | レーダ波高計測装置、レーダ波高補正係数作成方法、及びレーダ波高補正係数作成装置 |
| CN109001723A (zh) * | 2018-06-29 | 2018-12-14 | 薛志勇 | 雷达流速仪 |
| CN109765529A (zh) * | 2018-12-30 | 2019-05-17 | 成都汇蓉国科微系统技术有限公司 | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 |
| CN114114253A (zh) * | 2021-11-30 | 2022-03-01 | 南京微麦科斯电子科技有限责任公司 | 一种基于人工智能算法的海浪监测阵列雷达 |
| CN217543385U (zh) * | 2022-03-16 | 2022-10-04 | 中国船舶重工集团公司第七0七研究所九江分部 | 一种船用多普勒测速雷达收发组件 |
| CN115407273A (zh) * | 2022-08-29 | 2022-11-29 | 哈尔滨工业大学（威海） | 一种特定安防区域监控提醒报警装置及方法 |
| CN116124181A (zh) * | 2023-04-14 | 2023-05-16 | 国家海洋技术中心 | 一种潮汐观测设备的现场校准方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李杰方;: "无人船搭载多波束在水下地形测量中的应用", 工程技术研究, no. 13 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117388853A (zh) * | 2023-12-08 | 2024-01-12 | 山东省科学院海洋仪器仪表研究所 | 一种走航式雷达波浪监测系统及监测方法 |
| CN117388853B (zh) * | 2023-12-08 | 2024-02-23 | 山东省科学院海洋仪器仪表研究所 | 一种走航式雷达波浪监测系统及监测方法 |
| CN118129864A (zh) * | 2024-05-07 | 2024-06-04 | 铭沣工业自动化（上海）有限公司 | 一种基于毫米波雷达的液位测量方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116953707B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116953707B (zh) | 一种潮位监测雷达装置及监测方法和系统 | |
| CN109668635B (zh) | 海表温度融合方法与系统 | |
| CN110609287B (zh) | 一种双频雷达散射计及同时测量海面风场和流场的方法 | |
| CN101813476B (zh) | 近海波浪参数立体实时监测系统 | |
| CN106990404B (zh) | 一种利用导航x波段雷达反演海面波高的自动定标算法 | |
| CN103698750A (zh) | 海洋二号卫星散射计海面风场反演方法和装置 | |
| CN105607053A (zh) | 一种浮标式高频地波雷达系统 | |
| Amador et al. | Assessment of atmospheric and oceanographic measurements from an autonomous surface vehicle | |
| CN116068560A (zh) | 基于雷达海杂波的海上蒸发波导漂浮式探测系统及方法 | |
| CN113325418A (zh) | 基于合成孔径雷达的降雨反演方法 | |
| CN117949907A (zh) | 一种地基sar环境误差校正方法及装置 | |
| CN116029162B (zh) | 利用星载gnss-r数据的洪涝灾害淹没范围监测方法和系统 | |
| Ueki et al. | Data evaluation for a newly developed slack-line mooring buoy deployed in the eastern Indian Ocean | |
| Stone et al. | A new wave-current online information system for oil spill contingency planning (WAVCIS) | |
| Wyatt | Wave mapping with HF radar | |
| CN114089443B (zh) | 一种基于tec积分量及季节变化系数的uhf频段电离层闪烁事件预报方法 | |
| Cai et al. | Assessment of significant wave height in the Taiwan Strait measured by a single HF radar system | |
| CN115755068A (zh) | 一种海底管线状态在线智能诊断系统 | |
| Voulgaris et al. | Waves initiative within SEACOOS | |
| CN108594220B (zh) | 近海风电场水域的海事雷达图像模拟系统及方法 | |
| Hsieh et al. | The NTU buoy for typhoon observation part 2: Field tests | |
| Bell | Determination of bathymetry using marine radar images of waves | |
| US20240200942A1 (en) | Method of determining a free surface elevation of a water body using a radar and a drone | |
| Helzel et al. | Accuracy and reliability of ocean radar WERA in beam forming or direction finding mode | |
| Radhakrishnan et al. | Retrieval of Ocean Wave Spectra From X-Band Marine Radar Images Using Inversion Schemes Based on Auto-Spectral Analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |